OpenMontage convirtió un agente de programación en un estudio de vídeo. Lo interesante es el límite de presupuesto.

El repositorio número uno de GitHub esta semana es un sistema de producción de vídeo que se distribuye sin orquestador. El orquestador es el agente de programación que ya pagas. Nada de modelo nuevo, nada de wrapper, nada de interfaz de chat.
calesthio/OpenMontage tiene 77.991 estrellas y 10.384 forks, y ha ganado 4.405 estrellas en los últimos siete días. Se presenta como el primer sistema agéntico de producción de vídeo de código abierto: doce pipelines de producción, 100 o más herramientas y alrededor de 700 archivos de skills y conocimiento de producción. La licencia es AGPLv3.
La propuesta es contundente. Describes lo que quieres en lenguaje natural. Claude Code, Cursor, Copilot, Windsurf o Codex lee el repositorio, planifica el trabajo, investiga el tema, escribe un guion, genera o recupera recursos, edita y compone. Nada en el repositorio decide qué hacer a continuación. Lo hace el agente.
Esa decisión de diseño es lo que hace que el proyecto sea interesante y también un poco inquietante.
Qué se instala en realidad
Los requisitos son corrientes: Python 3.10 o superior, FFmpeg, Node.js 18 o superior y un agente de programación que pueda leer archivos y ejecutar Python. Se necesita Node 22 para la ruta de renderizado de HyperFrames.
```bash git clone https://github.com/calesthio/OpenMontage.git cd OpenMontage make setup ```
Si no tienes `make`, el README explica la ruta manual: crea un entorno virtual, instala `requirements.txt`, ejecuta `npm install` dentro de `remotion-composer`, instala `piper-tts` para voz local y copia `.env.example` en `.env`. En Windows, `npm install` a veces falla con `ERR_INVALID_ARG_TYPE`; la solución que aparece en la documentación es `npx --yes npm install`.
Todas las claves de API son opcionales. fal.ai, Atlas Cloud, Kling, Pexels, Pixabay, Unsplash, Suno, ElevenLabs, OpenAI, xAI, Google, Volcengine Ark, HeyGen y Runway se pueden conectar, y cada una que añadas hace que haya más herramientas disponibles. También existe `make install-gpu`, que desbloquea la generación local mediante WAN 2.2, WAN 2.1, Hunyuan 1.5, LTX2 y CogVideo-5B. La generación local es gratuita y lenta; la generación alojada es rápida y se cobra por uso, y el sistema te permite combinarlas.
La parte que la mayoría de las herramientas de vídeo con IA se salta: metraje real
La propia presentación de OpenMontage incluye una pulla al resto de la categoría. La mayoría de las herramientas de vídeo con IA animan una imagen fija y la llaman vídeo. OpenMontage tiene un pipeline de montaje documental que busca en archivos gratuitos, extrae clips de movimiento reales y los monta según un guion.
Merece la pena enumerar las tres rutas sin claves porque muestran dónde se puso la ingeniería de verdad:
- Vídeo basado en imágenes: Piper para la narración, imágenes fijas y Remotion para la animación. - Animación de personajes local: esqueletos SVG, GSAP y HyperFrames para el renderizado. - Metraje real: un corpus con búsqueda CLIP creado a partir de Archive.org, NASA, Wikimedia y Pexels, y después editado.
Esa tercera ruta es la que nadie más ofrece. Recuperar metraje, evaluarlo frente a un guion y recortarlo siguiendo un ritmo es un problema distinto de generar un clip de cinco segundos, y es el problema que realmente tiene la mayor parte del trabajo documental.
Un pipeline con puertas de aprobación, no una caja de prompts
El flujo de trabajo es `research → proposal → script → scene_plan → assets → edit → compose`, y cada etapa tiene una skill de director con una puerta de aprobación. Antes de escribir un guion, el agente realiza entre 15 y 25 búsquedas o más en YouTube, Reddit, Hacker News, fuentes de noticias y académicas. Pega un vídeo de referencia y analiza los subtítulos, el ritmo, las escenas, los fotogramas clave y el estilo; después vuelve con dos o tres planes diferenciados, las herramientas que usaría cada uno y una estimación de costes.
Los doce pipelines cubren explicadores animados, motion graphics, avatares portavoces, tráilers cinematográficos, fábricas de clips que trocean vídeos largos en cortos clasificados, montaje documental, trabajo híbrido de metraje real más generado, localización y doblaje, reutilización de pódcasts, demos de pantalla, cabezas parlantes y animación de personajes.
También hay un visor local de storyboards:
```bash python -m backlot open python -m backlot open ```
El conocimiento está organizado en tres capas, y la separación es deliberada. `tools/` junto con `pipeline_defs/` define qué capacidades existen, como herramientas ejecutables y orquestación YAML. `skills/` contiene las convenciones y los estándares de calidad propios de OpenMontage. `.agents/skills/` contiene paquetes de conocimiento técnico tomados de proyectos externos. El runtime de renderizado se bloquea durante la etapa de propuesta, y cambiarlo en silencio cuenta como una violación de gobernanza, lo que da una idea de cuánto han sufrido ya los autores ese modo de fallo.
`make demo` renderiza una muestra sin ninguna clave de API, que es la forma más barata de averiguar si el pipeline se adapta a tu máquina.
El sistema de presupuesto es la verdadera innovación
Aquí es donde OpenMontage se separa del montón de demos de vídeo con agentes. Trata el coste como una restricción de primer nivel.
Antes de la ejecución, estima, reserva y concilia el gasto. Valores predeterminados: cualquier acción individual de más de 0,50 USD necesita confirmación, y el presupuesto total de una ejecución está limitado a 10 USD. El modo de gobernanza puede ser `observe`, `warn` o `cap`. El README enumera costes de ejemplo de unos 1,33 USD para un corto llamado The Last Banana, unos 4 USD para Reimagine Your Universe y alrededor de 5 USD para un clip que demuestra las salidas de los modelos.

La selección de modelos se puntúa según siete dimensiones: adecuación a la tarea al 30 %, calidad de salida al 20 %, control al 15 %, fiabilidad al 15 %, coste al 10 %, latencia al 5 % y continuidad al 5 %. Cada decisión de enrutamiento queda registrada y es auditable.
Después del renderizado hay una pasada de verificación: comprobaciones con `ffprobe`, extracción de fotogramas, comprobaciones de nivel de audio, una comprobación de lo prometido frente al encargo y validación de subtítulos. Si falla, no se publica.
Cualquiera que haya ejecutado un agente en una tarea creativa abierta sabe por qué esto importa. El modo de fallo es una tarde de 40 USD dedicada a generar variaciones de un plano que el guion nunca necesitaba, lo cual es más caro que un fotograma malo y más difícil de detectar.
Lo que no es
El proyecto es joven, la licencia AGPLv3 lo descartará para algunos equipos comerciales, y el techo de calidad es lo que puedan hacer los modelos subyacentes. Los doce pipelines no significan doce pipelines buenos. La ruta documental depende de metraje de archivo que puede no existir para tu tema. La ruta de generación local necesita una GPU con memoria de verdad, y la propia forma en que el README presenta lo de «gratis» significa gratis en dólares, no en horas.
El agente también tiene que ser disciplinado. El README indica a los agentes que lean primero `AGENT_GUIDE.md` y `PROJECT_CONTEXT.md`, y señala que todos los archivos de entrada habituales (CLAUDE.md, AGENTS.md y compañía) redirigen directamente allí. Los agentes que actúan por libre en lugar de seguir `pipeline_defs/` producirán algo, pero no será lo que el sistema fue creado para producir.
Por qué este repositorio importa más que otro lanzamiento de modelo
Durante dos años, la conversación sobre vídeo con IA ha girado en torno a la calidad de los clips. Quince segundos frente a diez. Borradores en 720p frente a 4K. Quién encabeza esta semana la clasificación de la arena.
OpenMontage replantea la pregunta en torno a la producción: quién investiga, quién controla el presupuesto, quién revisa el resultado y quién decide que un plano está terminado. Son preguntas de gestión de proyectos, y son las que determinan si un equipo pequeño puede entregar un explicador de 60 segundos un martes.
Las cifras de coste son la señal. 1,33 dólares por un corto terminado es un precio más que una referencia, y aterriza en un territorio que actualmente ocupan el metraje de stock, los editores freelance y las herramientas de plantillas. Si un agente de programación más un repositorio pueden alcanzar esa cifra con un resultado aceptable, la restricción de la producción de vídeo deja de ser el dinero y pasa a ser el gusto.
Artículos relacionados
Una hoja de cálculo comunitaria de toques que apaga la publicidad de los Android chinos
No toca el sistema, no desbloquea nada, no flashea nada. Solo mueve los interruptores que los fabricantes ya dejaron a la vista. El precio es una lista que alguien tiene que seguir escribiendo.
GPT Image 2.6 mantuvo el precio por token y subió la factura
GPT Image 2.6 mantiene cada tarifa por token de 2.5 y aun así cuesta más por imagen, porque buena parte del trabajo ocurre ahora en tokens de salida. Once días después del lanzamiento, la estructura de precios dice más que el ranking.
Alguien reconstruyó IDM desde fuera y anotó lo que no tocó
Una reimplementación en Rust de Internet Download Manager promete 5 veces la velocidad y 86 idiomas. El documento más interesante es el párrafo que explica cómo se construyó sin copiar nada.
Rune es un framework de UI en Rust creado para que un agente pueda comprobar su propio trabajo
Rune renderiza sin interfaz, vuelca su árbol de elementos y acepta entrada programada, lo que da a un agente de código una señal diffeable que una captura nunca ofrece. El framework está en prelanzamiento y no acepta pull requests.